无效回表谁的锅？存储引擎：这事儿不赖我

来到golang学习网的大家，相信都是编程学习爱好者，希望在这里学习数据库相关编程知识。下面本篇文章就来带大家聊聊《无效回表谁的锅？存储引擎：这事儿不赖我》，介绍一下MySQL、Java、后端、程序员，希望对大家的知识积累有所帮助，助力实战开发！

明确场景

要回答这个问题，我们一般分几步来走：

1.确认问题，对齐Sql语句；

2.解答问题本身，也就是时间复杂度分析；

3.针对本身提出这个场景，可能出现的性能瓶颈进行分析；

4.针对瓶颈，提出多种优化手段。

接下来我们就按照这个思路来一步步深入。

对齐Sql语句

通常而言，面试官抛出一个问题，不见得就是一个非常完善、非常准确的描述，他其实是希望你能提出问题，通过沟通对齐，这也是工作中必备的能力。

首先问面试官，目前表的结构大概是怎样，索引的建设，又是怎样的，假设通过沟通，我们得到如下简化过的表t_player：

只在score字段上建了二级索引，大小是从小到大。这里要找第k个，其实就是偏移k-1：

select * from t_player order by 

时间复杂度分析

这个问题的核心就是查找语句的时间复杂度是多少？

这道题实际是有一定引导性的，故意说索引，就是想让你往树分支上引，我们都知道，走索引，按数值本身查找一个数据，那二级索引的时间复杂度，肯定是O(logN)。

但这题不一样，是找第k个，比如第100个，我们其实是不知道树的分支结构具体是怎样的，也就是说我们不知道左子树有多少个节点，右子树有多少个节点。

进一步而言，我们没法确定走哪条路，树的分支结构不可行。

所以这里其实是考察B+树的理解，B+树除了分支，底层还有一个双链表，直接走双链表查询，反而是更快的了。

时间复杂读O(N)，我们反过来想，其实这道题就是考你B+树数据结构，如果直接问你B+树结构，大多数有准备的同学，都能回答清楚，但是通过一个实际问题来问你，只有真正理解其作用，才能快速答出。

这就完了吗？当然没有，这只是一个起手式，下一步，面试官肯定会问你这个操作的性能如何，当然你也可以主动谈起。

offet慢问题

如果offset大于10000，这个数据查询就会非常的慢。为什么会慢呢，一般都会答因为遍历，时间复杂度是O(N)。

但实际如果你测试一下，你会发现这条语句会慢得离谱，这绝不是所谓遍历能导致的。

更深层次的原因在于，对于前10000个不需要的数据，MySQL每次也要回表去查找，这就导致了10000次随机IO，当然慢成狗。

优化方案

如果有开发经验的同学，会很容易想到从业务形态上去优化，这里就不卖关子了，这种场景通常有三种解决方案。

1.业务上绕过

将limit、offset，改为next，也就是将第x页，改为下一页，这样就

可以通过树分支查找。

举个例子，百度的搜索界面，就是典型的分页面。

而现在移动互联网时代，用得更多的就是上一页、下一页这样的翻页逻辑，微博、抖音都是这样的逻辑。

--- 记录score为prev_score

使用这种模式，可以利用树索引直接找到目标，也绕过了无效回表问题，在Offset超过一万的情况下，性能通常都能提高两个量级以上。

当然，这种适合给分页做优化，如果回到我们题目本身来说，那查找第k大的数，就需要循环“下一页”下去，损耗反而更大。

2.硬碰硬

上面分析了，对无用数据还回表查询，导致大量随机IO，是性能的核心瓶颈，那我们对症下药，能否不回表呢？

当然可以，我们可以进行索引覆盖。

索引覆盖是说当二级索引查询的数据都在二级索引本身，比如索引Key或主键ID，那么就不必再去查聚簇索引。

那你可能会问，在我们的场景，还有其它需要查询的信息，比如名字，并不在二级索引上啊。

是的，但我们可以通过sql的拆分，来达到目的，思路如下：

select * from t_player id in 

这句话是说，先从条件查询中，查找数据对应的数据库唯一id值，因为主键在辅助索引上就有，所以不用回归到聚簇索引的磁盘上拉取。

如此以来，offset部分均不需要去反查聚蔟索引，只有limit出来的10个主键id会去查询聚簇索引，这样只会1次IO。在业务确实需要用分页的情况下，使用该方案可以大幅度提高性能，通常能满足性能要求。有同学可能担心本身走B+树的双指针会是瓶颈，牛哥也做了测试：一张500w的表，offset 10000，要是没索引覆盖，处理时间甚至可以达到十秒级，有了的话，能降低到十毫秒级，有质的飞跃。ps:具体时耗和数据库性能等因素有关，以上数据只是参考。

3.预判边界值

这其实也是根据业务场景的做法，能通过业务预判边界，这种方式并不是通用解决方案，但因为《高性能MySQL》中提到了，也一并列出来。

深层次灵魂发问

为什么MySQL不直接丢掉无用数据，还要傻乎乎地回表？

也许你曾经听过一个词，叫索引下推，在MySQL5.6之后，MySQL通过索引下推提升了性能。

这个问题也类似，答案是Offset未曾下推！我们先review下查找流程：

1.存储引擎通过二级索引查找，获取主键值；2.进行回表操作，将完整记录返回给上层；3.上层判断是否需要该记录，需要则返回给客户端，不需要则跳过该记录；4.存储引擎接着查找下一条；

5.重复第二步。

从流程其实我们能看出，存储引擎层是没有Offset信息的。

牛哥和咱们训练营导师虎哥也讨论过这个问题，虎哥的解释还是比较到位的：

MySQL不做的原因，无非两点：

1.限制场景太多，给多个引擎做有点得不偿失；

2.更核心的，分层设计理念，这件事本身是Sql层的，本就不该存储引擎做。

野生db

那我们现在来看看所谓的野生db的情况：

野生db1号：阿里云

野生db 2号：腾讯云

另外，腾讯云还描述了适用场景：

下推之后阿里云测试了性能，Q3即我们二级索引order by ... limit回表的场景，可以看到从25s降低到了329ms左右，相差75.82倍。

可以发现阿里腾讯两大云厂商MySQL自研版本都做了下推，那MySQL从技术上自然也能。

有大佬针对这个问题还给MySQL提了bug。https://bugs.mysql.com/bug.ph...

还带了修复方案：

https://bugs.mysql.com/file.p...

当然mysql有自己的设计理念和坚持，可能以后也不会采纳。

而将阿里云、腾讯云这些称为野生db，其实也只是调侃的说法。

实际上他们都遵循实用原则，是非常优秀的团队，自研产品的决策灵活性本身也更高一些。

这倒不是非要分个孰优孰劣，大家搞清楚前因后果即可。

补丁分析

虽然我们已经将前因后果弄得很清楚，但相信还是会有同学好奇，上面的大佬做的补丁，到底是怎样的。牛哥和虎哥，也做了一些分析。

核心要素就是在引擎层增加了这么一个函数，可以下推索引。

这个函数有几层，最核心的其实在这里：

其实就是offset判断，如果offset比现在的遍历偏移还大，就跳过。

Sql层会调用引擎层这个函数，当然调用之前会有个判断。

很复杂是吧，没事，咱们看注解：

其实就是限制了很多情况，比如group by，having这种推了也不顶用的，就不推了。

Review一下

可以看到，看起来很简单的一个问题，其实牵涉到的知识很广：

首先时间复杂度是多少？考察B+树结构；

Offset为什么慢？考察对底层行为一定程度的掌握；

几种解决方案？考察技术视野和解决问题的能力；

深层次行为原因？考察MySQL分层架构，及对开源社区的关注。

如果你只是背八股文，而不去深入探索其中的原理，那面试官随便问几个问题，就能看出你其实基础是不扎实的。

这里不是说八股文不好，而是不能觉得面试就是考八股文，这其实是一个很大的误区。

今天关于《无效回表谁的锅？存储引擎：这事儿不赖我》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于mysql的内容请关注golang学习网公众号！